Uydular, süper bilgisayarlar ve derin öğrenme ile Arktik permafrostu izleme
Permafrost – iki veya daha fazla yıldır kalıcı olarak donmuş olan zemin – Dünya’nın büyük bir bölümünü, Kuzey Yarımküre’nin yaklaşık %15’ini oluşturur.
Permafrost, gezegenin iklimi için önemlidir, metan ve karbondioksit olarak depolanan büyük miktarlarda biyokütle içerir ve tundra toprağını bir karbon yutağı yapar. Bununla birlikte, permafrost’un doğuştan gelen özellikleri ve değişen doğası tam olarak anlaşılamamıştır.
Küresel ısınmanın Dünya’yı ısıtması ve toprağın erimesine neden olması nedeniyle, permafrost karbon döngüsünün hızlanması ve toprakta bulunan sera gazlarını atmosfere salması ve iklim değişikliğini şiddetlendirecek bir geri besleme döngüsü oluşturması bekleniyor.
Uzaktan algılama, permafrostun genişliğini, dinamiklerini ve değişikliklerini ele almanın bir yoludur. Connecticut Üniversitesi’nden Chandi Witharana, “Dünyanın bu uzak ve ulaşılması zor bölgesini görmek sanal bir pasaport gibi” diyor. “Uydu görüntüleme, uzak manzaraları daha önce hiç olmadığı kadar ayrıntılı bir şekilde izlememize yardımcı oluyor.”
Son yirmi yılda Kuzey Kutbu’nun çoğu, ticari uydular tarafından hassas bir şekilde haritalandı. Bu haritalar, büyük ölçüde az keşfedilmiş bu bölge hakkında bir veri hazinesidir. Ancak Witharana, verilerin büyük ve hantal olduğunu söylüyor.
tarafından sağlanan finansman ile ABD Ulusal Bilim VakfıWitharana ve Ulusal Süper Bilgi İşlem Uygulamaları Merkezi’nden Kenton McHenry ve Woodwell İklim Araştırma Merkezi’nden Anna Liljedahl, Arktik permafrostu hakkındaki verileri daha erişilebilir hale getiriyor.
NSF program direktörü Kendra McLauchlan, “Bu, bilgi işlem altyapısına yapılan yatırımların derin öğrenme tekniklerine ilişkin yeni bir anlayışla birleştiğinde, Kuzey Kutbu’ndaki önemli bir soruna yardımcı olacak bir kaynağı nasıl oluşturduğunun mükemmel bir örneğidir” dedi. Yeni Kuzey Kutbu’nda Gezinmek programı.
Araştırma ekibine Kuzey Kutbu’nda çekilmiş bir milyondan fazla görüntünün arşivine erişim hakkı verildi. Bu çok fazla veri — o kadar çok ki geleneksel analiz ve öznitelik çıkarma yöntemleri başarısız oldu. Witharana, “İşte o zaman, bu büyük miktarda veriyi işlemek ve analiz etmek için AI tabanlı derin öğrenme yöntemlerini getirdik.” Dedi.
Derin öğrenme yönteminin işe yaradığını gösterdikten sonra araştırmacılar, Texas Advanced Computing Center tarafından işletilen Longhorn süper bilgisayarına ve Pittsburgh Supercomputing Center’daki NSF tarafından finanse edilen ve tahsis edilen Bridges-2 sistemine yöneldi. Olağanüstü Bilim ve Mühendislik Keşif Ortamı verileri analiz etmek için. Ekip sonuçları Amerikan Jeofizik Birliği’nde sundu Güz Toplantısı Aralık 2021’de.